EN中文

Economic geography >

2025 , Vol. 45 >Issue 10: 180 - 191

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.10.019

Spatial-Temporal Pattern and Coupling Coordination Evolution of Weakened Agricultural Labor and Agricultural Mechanization in China and its Effect on Grain Production

  • YAO Chengsheng , 1 ,
  • YANG Yidan , 2, 3, ※ ,
  • MIU Lanzhi 1
Expand
  • 1. School of Economics and Management， Nanchang University， Nanchang 330031，Jiangxi， China
  • 2. College of Management， Sichuan Agricultural University， Chengdu 611130， Sichuan，China
  • 3. National Key Laboratory of Food Security and Tianfu Granary， Chengdu 611130， Sichuan，China

Received date: 2023-09-06

  Revised date: 2024-10-23

  Online published: 2025-11-20

Fold

Abstract

It is difficult to reveal the overall characteristics of the change of agricultural labor force and its coupling relationship with agricultural mechanization by focusing on the reduction or aging of agricultural labor force, feminization, childishness and low education. By constructing an evaluation index for agricultural labor force weakness and agricultural mechanization, this study quantitatively measured the development of agricultural labor force weakness and agricultural mechanization in China and its provinces from 2003 to 2023. Then, the coupling coordination degree model was employed to analyze the spatiotemporal evolution characteristics of the two systems, and the quadrant diagram model was further used to reveal the evolutionary pathways of provincial grain production under varying coupling coordination conditions. Finally, the spatial econometric model was used to quantitatively reveal the impact of the coupling coordination between the two and other agricultural production factors on China's grain production. The results showed that:1) The weakness of China's agricultural labor force showed a two-stage change from 2003 to 2023, with a fluctuating decline from 2003 to 2009 and a steady increase from 2010 to 2023, while the level of agricultural mechanization continued to improve. 2) In 2003, the coupling coordination degree of agricultural labor weakness and agricultural mechanization decreased from west to east. In 2009, the coupling coordination degree decreased from west to east and from south to north. In 2015 and 2023, the coupling coordination degree was degraded and greatly improved, respectively. 3) In the two periods from 2003 to 2009 and 2010 to 2015, the coupling coordination degree of agricultural labor weakness and agricultural mechanization decreased in more than 60% of provinces, but grain output increased, and the opposite was true in 2016 to 2023. 4) The improvement of the coupling coordination degree of agricultural labor weakness and agricultural mechanization in 2003-2009 and 2010-2015 had a significant positive spatial spillover effect on grain production, however in 2016-2023, the spatial spillover effect on grain production turned to significantly negative.

Key words： labor weakness; agricultural mechanization; grain production; coupling coordination; spatial econometric model

Cite this article

YAO Chengsheng , YANG Yidan , MIU Lanzhi . Spatial-Temporal Pattern and Coupling Coordination Evolution of Weakened Agricultural Labor and Agricultural Mechanization in China and its Effect on Grain Production[J]. Economic geography, 2025 , 45(10) : 180 -191 . DOI: 10.15957/j.cnki.jjdl.2025.10.019

保障粮食安全是国家经济社会稳定发展的基础[1]，如何实现粮食持续稳定增产是保障粮食安全的关键。从宏观经济视角来看，劳动力和资本是国民经济生产中最重要的两大要素，农业机械是农业生产中重要的资本，因而农业劳动力和农业机械是影响粮食生产的两大关键要素[2]。1978—2015年，我国农村地区存在大量的农业剩余劳动力，随着经济社会体制改革的持续深化，农业劳动力流动的制度性障碍逐步破除，使得大量年轻、具有较高文化水平的农村青壮年劳动力得以跨城乡、地域、产业和行业流动，进入城市和沿海地区的非农产业[3]。由此，我国农业劳动力不仅在数量上由2001年的3.60亿下降到2021年的1.71亿，而且在质量上也呈现出明显的老龄化、女性化和少儿化特征[4-5]，即农业劳动力整体呈现出明显的弱质化，因而一度引发了人们对“未来谁来种田”的担忧[6]。
目前，中国农户的土地耕种规模普遍不大，农业劳动力无论是数量上还是结构上的变动，都会对农业发展产生重要的影响。有部分学者认为农业劳动力减少将不利于农业发展，并会对我国粮食安全造成巨大威胁。在技术水平和其他生产要素投入保持不变的条件下，农业劳动力投入数量的减少必然导致粮食产量的下降[2]。与此同时，由于农业机械和先进农业技术也需要具有一定文化水平的年轻农业劳动力，农村优质劳动力的流失不利于农业机械化的推进，因而难以实现农业机械对农业劳动力的有效替代。但是，农业劳动力转移也为农村土地流转互换、联耕联种、代耕代种等多种形式的农地适度规模经营和农业机械生产服务业的发展创造了条件。在国家政策的引导下，农地经营规模逐步扩大，农业生产的机械化水平大幅提高。自2003年以来，我国粮食生产已经实现“二十连丰”，由此看出粮食生产并没有因为劳动力的弱质化而受到影响。因此，另一部分学者认为农业劳动力转移有利于农业机械化发展，能够显著提升国家粮食安全水平[2]。也就是说，随着劳动力不断向非农产业转移，既可有效缓解农村人地矛盾，又能促使农户的耕地经营规模不断扩大，有利于国家进一步推进农地的适度规模经营和农业机械化[7-8]，进而有效提升国家粮食安全水平。同时，农业劳动力数量的减少也有利于以农业机械为主体的资本投入增长，能够显著优化农业机械与农业劳动力的资源配置比例[9-10]，不断提高农业劳动生产率。换言之，在农业劳动力弱质化的过程中，农业机械能够实现对农业劳动力的有效替代，进而促进粮食生产。
综上可知，上述两种截然相反观点争论的核心问题是，在农业劳动力弱质化的过程中，农业机械化是否能够得到有效发展，以及能否实现对农业劳动力的有效替代。如果农业机械化无法得到充分发展并对农业劳动力进行替代，则很可能不利于粮食生产；相反，粮食安全就不会受到影响。然而，现有研究大多从农业劳动力数量减少[2]、老龄化、女性化、少儿化等[6]某一方面出发，定性或定量地探讨农业劳动力变化对粮食生产的影响；或者单独分析农业机械化对粮食生产的影响路径[11-12]及对粮食安全的促进作用[2]。同时，农业劳动力弱质化过程和农业机械化进程高度相关，两者间存在明显的耦合关系，但鲜有研究从系统耦合的视角，探讨两者之间的耦合协调关系，更缺乏探讨这种耦合关系对粮食生产的影响。为此，本文通过构建农业劳动力弱质化和农业机械化评价指标体系，运用系统耦合协调模型探讨2003—2023年两者之间耦合协调关系的省域时空演变特征，进而采用象限图模型揭示耦合协调度变化条件下省域粮食生产的演进路径，最后通过空间面板计量模型定量揭示其对中国粮食生产的影响，以期为协调推进新型城镇化和农业机械化提供理论支撑。

1 机理分析

耦合是指两个或者两个以上系统彼此之间相互作用、相互协调的动态关系[13]。根据诱致性技术变迁理论，农业劳动力和农业机械之间存在明显的替代演进动态[14]，并且农业劳动力弱质化和农业机械化之间存在显著的正反馈机制。一方面，非农产业的发展不断吸引着优质农业劳动力率先并持续向城镇转移，有效缓解了农村人地紧张关系，为推进农地适度规模经营和农业机械化创造了条件，在农民追求农业生产收益最大化和国家政策的引导下，农业机械化水平得以不断提高。另一方面，农业机械化大大提高了农业劳动生产效率，释放出更多的农业劳动力，又进一步推动了非农产业发展。可见，优质农业劳动力持续向非农产业转移不仅涉及粮食生产劳动力数量的减少，更包括质量的下降（农业劳动力弱质化过程）；而农业机械化的发展不仅是农业资本的增加，也包含着农业技术进步。因此，农业劳动力弱质化与农业机械化的耦合，本质上是农业劳动力数量和质量与农业机械数量和农业技术进步之间的耦合（图1）。其中农业劳动力弱质化指数值越大，则意味着劳动力弱质化程度越严重，因而需要更高的农业机械化水平与之耦合。两者之间其耦合状态对粮食生产至关重要，总体上对粮食生产形成了直接效应与空间溢出效应。
图1 农业劳动力弱质化和农业机械化耦合对粮食生产的影响机制

Fig.1 The coupling mechanism between agricultural labor weakening and agricultural mechanization and its impact on grain production

在直接效应层面，根据柯布—道格拉斯（C-D）生产函数和图1可知，农业劳动力转移使得农业劳动力数量减少，进而导致粮食产能降低；而农业机械化的推进则使得农业资本增加，实现资本对劳动的替代，从而促进粮食增产。因此，两者在数量上是否耦合是粮食产出水平能否提升的第一层因素。优质农业劳动力率先并持续向非农产业转移，导致农业劳动力老龄化、女性化和少儿化，使得农业生产内生动力不足并导致粮食产能下降；而农业机械化则极大地降低了农业劳动强度，稳定并扩大了粮食作物播种面积，同时农机深耕、深松或免耕也可以提高土壤的蓄水和保肥能力，推进粮食生产方式转变并促进粮食增产[2]。因此，农业劳动力质量下降和农业技术进步两者之间能否在质量上耦合是粮食产出水平能否提升的第二层因素。即，农业劳动力弱质化与农业机械化之间耦合对粮食生产形成了直接影响。
在空间溢出效应层面，根据地理学第一定律，存在于地理空间的任何事物都是与其他事物相关的，粮食生产在地理空间单元中存在以人力资源和农业资本实现经济主体外溢的跨地域联系。一方面，机械化水平较高地区的经验、技术与装备可通过农机跨区作业向周边地区溢出，带动周边区域农业生产率的整体提升；另一方面，农业劳动力的跨区域流动可能促进或抑制不同地区农业生产，进而导致粮食生产形成一定的区域差异或空间集聚特征。因此，某地在农业劳动力弱质化程度加深和农业机械化水平不断提高的耦合协调过程中，可能通过空间相互作用对相邻地区产生溢出和扩散效应，影响相邻地区农业劳动力转移和农业机械化发展，进而对其粮食生产产生影响[15]。因此，农业劳动力弱质化和农业机械化的耦合协调对粮食生产的影响存在空间溢出效应。

2 研究设计

2.1 农业劳动力弱质化和农业机械化评价指标体系构建

在农业生产中，男性青壮年劳动力在体能和知识水平上都要相对强于女性和老龄劳动力，通常率先向城镇非农产业转移，且转移趋势持续强化，这不仅导致农业劳动力数量减少[16]，更使得农业劳动力呈现老龄化、女性化、少儿化和低学历化[17-20]特征。为此，本文借鉴已有农业劳动力弱质化的相关表述[8,21]，认为农业劳动力弱质化是一个持续不断发展的过程，它不仅是指在城镇化进程中农业劳动力数量的持续减少，更是指其在质量上的持续降低。鉴于以上分析，本文首先构建包含农业劳动力转移率、老龄化、少儿化、女性化和低学历化5个指标的农业劳动力弱质化评价指标体系，继而通过极差法标准化指标数据，并基于熵权法确定权重（表1），最后采用加权函数法获得农业劳动力弱质化综合指数，具体过程见文献[16]。需要指出的是，由表1得到的农业劳动力弱质化指数值越大，则意味着劳动力弱质化程度越严重，因而需要更高的农业机械化水平与之耦合。相反，如果弱质化指数越低，则代表农业生产中有足够数量和质量的农业劳动力从事粮食生产（如改革开放至2014年期间，农村中存在大量农业剩余劳动力），此时农业机械化水平也相应较低。因此，农业劳动力弱质化指数和农业机械化发展水平的变化是同方向的，两者耦合度越高，越有利于稳定和促进粮食生产。此外，之所以将少儿化指标纳入评价体系，主要原因在于：本文研究时段为2003—2023年，已有较多文献研究表明，随着农村青壮年的持续流失，2015年以前我国农村地区15岁以下的少儿从事农业生产的现象较为普遍，中西部地区表现更为明显[22]。
表1 农业劳动力弱质化和农业机械化发展评价指标体系及说明

Tab.1 Evaluation index system and description for the development of agricultural mechanization and the weakening of agricultural labor quality

系统层 指标层 指标说明 权重 属性
农业劳动力弱质化 农业劳动力转移率（%） （农村从业人口-第一产业从业人口/乡村从业人口）·100% 0.121 +
农业劳动力老龄化（%） （农村65岁及以上老龄人口/农村16~64岁劳动力）·100% 0.520 +
农业劳动力女性化（%） （农村16~64岁女性劳动力/农村16~64岁劳动力）·100% 0.074 +
农业劳动力少儿化（%） （农村15岁及以下人口/农村16~64岁劳动力）·100% 0.181 +
农业劳动力低学历化（年） 农民人均受教育年限=（文盲人数·1+小学学历人数·6+初中学历人数·9+高中和中专学历人数·12+大专及本科以上学历人数·16）/6岁以上人口总数 0.104 -
农业机械化 机耕率（%） 机耕面积/（农作物播种面积-免耕面积）·100% 0.400 +
机播率（%） 机播面积/农作物播种面积·100% 0.300 +
机收率（%） 机收面积/实际收获面积·100% 0.300 +
当前，农业机械化的评价指标主要包括农机总动力、农机净值以及农业耕种收综合机械化率等[23-24]。其中农业综合机械化率更好地体现了农业技术进步和粮食生产各环节的状况，故本文依据我国农业农村部加权农业综合机械化率的计算方法，将机耕率、机播率和机收率3个指标作为农业机械化的评价指标体系，其权重分别为0.400、0.300和0.300（表1）。

2.2 耦合协调度模型

耦合协调度模型[13]已较为成熟，本文运用此模型来探究中国农业劳动力弱质化和农业机械化之间的耦合协调发展关系。计算公式如下：
$C=\sqrt{4({U}_{1}·{U}_{2})/({U}_{1}+{U}_{2}{)}^{2}}$
T=αU1+βU2
D=C·T
式中：U1、U2分别代表农业劳动力弱质化和农业机械化综合指数；C为耦合度；T为综合发展度；D为耦合协调度；α和β为系统待定参数，且α+β=1，在实际应用中使T∈[0,1]，以保证D∈[0,1]，由于农业劳动力弱质化与农业机械化的相同重要性，故令α=β=0.5。
为判断农业劳动力弱质化和农业机械化的耦合协调关系，依据耦合协调度D值的大小，参考廖重斌[26]的研究，将耦合协调划分为10个等级（表2）。
表2 耦合协调度等级划分

Tab.2 Classification of coupling coordination degree

耦合协调度 （0.00，0.09] （0.09，0.19] （0.19，0.29] （0.29，0.39] （0.39，0.49] （0.49，0.59] （0.59，0.69] （0.69，0.79] （0.79，0.89] （0.89，1.00]
协调等级 极度失调 严重失调 中度失调 轻度失调 濒临失调 勉强协调 初级协调 中级协调 良好协调 优质协调

2.3 耦合对省域粮食生产演进的象限图模型

基于系统动态演化视角，本文构建象限图模型刻画2003—2023年农业劳动力弱质化和农业机械化耦合协调变化条件下中国省域粮食生产的演变情况，并解析两者耦合关系对粮食生产的影响。该模型以省域粮食产量的变化率（∆GPit）为纵轴，以农业劳动力弱质化和农业机械化耦合协调度变化率（∆Dit）为横轴，如图2所示。
图2 农业劳动力弱质化和农业机械化耦合协调变化下的省域粮食生产演变象限图

Fig.2 Quadrant chart of grain production evolution under the coupling and coordination changes of weakened agricultural labor and agricultural mechanization

图2中，如果i省在[t，t+∆t]时期位于第Ⅰ象限则表明其农业劳动力弱质化和农业机械化耦合协调程度（∆Dit）提高，且粮食产量同步增长；相反，如果位于第Ⅲ象限则表明农业劳动力弱质化和农业机械化耦合协调度（∆Dit）降低，且粮食产量减少。当位于第Ⅱ象限时则表明，农业劳动力弱质化和农业机械化耦合协调度（∆Dit）降低，但粮食产量增加，可能源于其他影响粮食生产的重要因素得到了优化，如粮食作物播种面积扩大、农业基础设施建设改善等；相反，如果位于第Ⅳ象限则表明，农业劳动力弱质化和农业机械化耦合协调度（∆Dit）上升，却伴随粮食产能下降，其可能的原因是其他影响粮食生产的重要因素出现了变化，如耕地“非农化”“非粮化”导致粮食作物播种面积下降等。

2.4 耦合协调度对粮食生产影响的空间计量模型

为进一步探究农业劳动力弱质化和农业机械化耦合协调度对粮食生产的影响程度，借鉴程名望等[4]、王跃梅等[5]的研究，采用柯布—道格拉斯生产函数，以粮食总产量（PRO）作为被解释变量，以农业劳动力弱质化与农业机械化的耦合协调度为核心解释变量，借鉴方师乐等的做法[23]，本文构建粮食生产的空间面板计量模型，以有效解决线性回归分析无法处理的空间依赖性问题。空间计量模型包括：空间滞后模型（SLM），主要反映邻近地区被解释变量的空间溢出效应；空间误差模型（SEM），旨在通过误差项体现空间依赖性；空间杜宾模型（SDM），主要反映邻近地区解释变量对本地区被解释变量产生的空间溢出效应[27]。具体模型如下：
$lnPR{O}_{it}=\rho WlnPR{O}_{it}+ln{D}_{it}\beta +W{D}_{it}\theta +{\epsilon }_{it}$
式中：i、t分别表示地区与年份；PROit为被解释变量，表示中国各省的粮食总产量；Dit为核心解释变量，表示农业劳动力弱质化和农业机械化的耦合协调度；W为空间权重矩阵；ρWYt为空间滞后项，反映邻近地区被解释变量对本地区被解释变量的影响；WXtθ为邻近地区解释变量对本地区被解释变量的影响；ρ为空间自回归系数；β为对应影响因素的影响系数；εit为随机扰动项。当θ=0时，该模型变成SLM模型；当θ+ρβ=0时，该模型变成SEM模型。
除农业劳动力弱质化和农业机械化耦合协调度外，粮食作物播种面积、灌溉条件、化肥、农药、农膜使用量等因素都对粮食生产具有重要影响[28-29]，为此本文将上述变量一并纳入计量模型进行分析。具体控制变量包括AREA、EIA、FER、PES、APF，分别表示粮食作物播种面积（千hm2）、粮食生产的有效灌溉面积（千hm2）、化肥施用折纯量（万t）、农药使用量（万t）、薄膜使用量（t）。由于统计年鉴当中没有单独列出粮食生产的化肥、农药、农膜和有效灌溉面积等指标，故本文参考赵雪雁等[30]的研究，采用农业生产中的化肥、农药、农膜和有效灌溉面积总量，乘以粮食播种面积占农作物播种面积的比重，得到粮食生产的各相关要素投入。

2.5 数据来源

本文选取2003—2023年中国31个省、自治区、直辖市（以下简称省份）为研究对象，不包含港澳台地区。选择以2003年为起点的原因在于：①自2001年“十五规划”将城镇化确立为国家重大战略以来，农业劳动力开始大规模向城镇转移，农业劳动力弱质化问题在随后的年份（如2003年前后）逐渐显现；②自2003年起，我国粮食生产实现了连续二十年的丰收（“二十连丰”），这为研究提供了重要的时间窗口。此外，国家于2004年颁布了《中华人民共和国农业机械化促进法》，极大地加快了农业机械化发展进程。文中乡村从业人口和第一产业从业人口数据源于《中国统计年鉴》和各省份统计年鉴；老少抚养比、15岁以上女性人口、15岁以上女性文盲、15岁以上男性文盲等数据取自《中国人口与就业统计年鉴》；各地区机耕面积、机播面积、机收面积数据来自《中国农业机械工业年鉴》；其他数据来自《中国农村统计年鉴》和各省份统计年鉴。少量缺失数据采用均值插值法进行填补，并对个别异常数据进行了相应处理。新疆生产建设兵团的数据并入新疆处理。

3 时空格局分析

3.1 中国农业劳动力弱质化与农业机械化耦合关系的时序变化分析

3.1.1 中国农业劳动力弱质化与农业机械化发展的时序变化

整体上看，2003—2023年中国农业弱质化指数和农业机械化发展水平持续增长（图3）。同时，期间粮食产量也连年增长，这一现象表明仅从劳动力要素难以解释中国粮食产量持续丰收的原因，必须综合考虑农业机械化的影响。首先，从中国农业劳动力弱质化指数来看，整体上由2003年的0.322增长至2023年的0.527，具体可分为2003—2015年波动下降和2016—2023年波动增长2个阶段。在第1阶段，农业劳动力弱质化程度下降的原因在于：农村人口和农业劳动力总量增速仍然较快，因而少儿抚养比波动下降；2005年末国务院颁布《关于深化农村义务教育经费保障机制改革的通知》，逐步将农村义务教育全面纳入公共财政保障范围，因此农村劳动力平均受教育年限在2005年后表现出较大幅度增长。在此期间，虽然老年抚养比、15岁及以上女性比例及劳动转移率也有增长，但增速较低且相对稳定。在第2阶段，《国家新型城镇化规划（2014—2020年）》出台，明确提出要大力推进人口城镇化。在此背景下，各类大中小城市普遍放宽了农村人口落户城镇的条件，同时一系列支持农民工就地城镇化、创新创业的政策密集出台，这些措施共同推动优质农业劳动力持续快速向非农产业转移，进而使得老龄化和少儿化程度日益加深，最终推动农业劳动力弱质化指数于2016年开始持续提高。其次，从农业机械化发展水平来看，中国农业机械化指数由2003年的0.296呈线性增长到2023年的0.660。可能原因是，自2004年以来历年中央一号文件始终聚焦于“三农”问题，出台了《中华人民共和国农业机械化促进法》，制定了农机具购置补贴，极大提高了农户购买农业机械的积极性[11]。同时，农业劳动力持续向非农产业部门转移为开展多种形式的适度规模经营创造了条件，在国家大力推进土地适度规模经营政策的指引下，农地经营规模有所扩大，加快了农业机械化发展进程。此外，随着农民家庭收入的持续增长，农户购置农业机械或农机服务能力极大增强，进一步促进了农业机械化发展。
图3 2003—2023年中国农业劳动力弱质化和农业机械化发展变化

Fig.3 Developmental changes in the weakening of agricultural labor and agricultural mechanization in China from 2003 to 2023

3.1.2 中国农业劳动力弱质化与农业机械化耦合关系的时序变化

依据式（1）~（3）计算得到2003—2023年中国农业劳动力弱质化和农业机械化耦合度并绘制其耦合协调变化图（图4）。结果显示，研究期内中国农业劳动力弱质化与农业机械化耦合度（C）始终在0.995的水平线上小幅度波动，表明这两者之间相互影响、相互作用程度深，具有极强关联性。比较而言，两者之间的耦合协调度（D）整体上由2003年的0.555上升到2023年的0.763，但期间主要处于勉强协调、初级协调和中级协调3个区间，即系统间协调发展状况相对良好，但仍有较大的提升空间。进一步地，农业劳动力弱质化与农业机械化耦合协调度（D）又可划分为2003—2009年波动下降、2010—2015年波动下降和2016—2023年波动上升3个阶段。第1阶段，两者耦合协调度处于勉强协调区间，主要原因在于：2003—2009年农业劳动力弱质化波动下降，农业机械化快速增长，一减一增使得耦合协调度表现为下降趋势（图3）。第2阶段在2015年达到了濒临失调区间，其原因在于：2010—2015年农业弱质化指数波动下降，但农业机械化指数则明显提高，得益于农业机械化的不断发展，使得耦合协调模式处于一增一减的不协调发展模式（图3）。第3阶段处于中级协调区间，主要原因在于：2016—2023年优质农业劳动力持续快速向城镇转移，农业劳动力弱质化指数快速提高；同时农地适度规模经营也得到了快速发展，因而农业机械化水平大幅提升，因此农业劳动力弱质化和农业机械化两者之间呈现出了正反馈的发展态势，两者之间的耦合协调度不断提高。
图4 2003-2023年中国农业劳动力弱质化和农业机械化耦合协调变化

Fig.4 Coupling and coordination evolution between the weakening of agricultural labor quality and agricultural mechanization in China from 2003 to 2023

3.2 中国农业劳动力弱质化与农业机械化耦合协调度的时空演变

本文首先计算得出2003—2023年中国31个省份农业劳动力弱质化和农业机械化的耦合协调度，继而按照表2的划分标准将其划分为轻度失调、濒临失调、勉强协调、初级协调、中级协调、良好协调6个耦合协调等级，特别是关键转折点（如2009、2015年协调度下降显著），最后采用ArcGIS10.2绘制中国31个省份2003、2009、2015和2023年4个时点的农业劳动力弱质化与农业机械化耦合协调类型的时空演变图（图5）。从中可以看出：
图5 中国农业劳动力弱质化与农业机械化耦合协调度空间分布演变

注：基于自然资源部标准地图服务网站下载的审图号为GS（2023）2767号的标准地图制作，底图边界无修改。

Fig.5 Spatial evolution of the coupling coordination degree between the weakening of agricultural labor quality and agricultural mechanization in China

①2003年中国各省份耦合协调度均值为0.555，呈现由西向东递减的空间特征。从图5a可以看出，除内蒙古、重庆、广西外的西部 ① 9省份以及东部的江苏、浙江和广东3省份农业劳动力弱质化与农业机械化耦合协调度处于中级协调阶段；西部的内蒙古、重庆和广西3省份，中部7省，东部的天津、河北、上海、福建和海南5省以及东北的黑龙江和吉林2省处于初级协调阶段；东部的北京、山东2省份以及东北的辽宁则处于勉强协调阶段。即各省份耦合协调度自西向东呈现出由中级协调向初级协调再向勉强协调的变化特征。究其原因在于：2003年西部地区农业弱质化程度和农业机械化发展水平均较低，因而两者之间呈现一种耦合协调度相对较高的低水平耦合模式；而广大中东部和东北地区农业劳动力弱质化程度较西部地区高，但农业机械化水平却不高，因而大多处于初级或勉强协调阶段。
②2009年中国各省份耦合协调度均值为0.554，较2003年下降了0.18%，兼具由西向东、由南向北递减的双重空间特征。图5b显示，除新疆和内蒙古外的西部10省份，其农业劳动力弱质化和农业机械化耦合协调均处于中级协调阶段；中部5省份（除山西）以及东部7省份（除河北、北京和天津）则处于初级协调阶段，即耦合协调度呈现由西向东递减的空间变化特征。从各省份耦合协调均值来看，2009年较2003年下降了0.18%，但呈现出了南北空间分异特征，即处于勉强协调阶段的河北、北京、天津、黑龙江、吉林、山西和内蒙古7省份均位于北方，新疆更是处于轻度失调阶段。究其原因在于：上述6省份（山西除外）地处东北和华北平原，地势平整便于机械化操作，农业机械化提升幅度远大于农业劳动力弱质化提升幅度，新疆地广人稀，农业弱质化和机械化进程均较慢，因而其耦合协调度较低。比较而言，西南4省份（四川、重庆、贵州和云南）山地丘陵广布，农业劳动力弱质化和农业机械化进程均较慢，属于耦合度较高的低水平耦合协调模式；东部地区城镇化和经济发展水平明显高于北方，其农业劳动力弱质化与农业机械化进程较快且相互较为匹配。
③2015年中国各省份耦合协调度较2009年明显下降，各省份均值下降了8.08%。比较图5c和图5b可知，西部地区除内蒙古和四川耦合协调模式不变，新疆由轻度失调转变为濒临失调外，其余9省份全部由中级协调阶段分别向初级协调、濒临失调和轻度失调阶段退化。东北地区黑龙江和吉林2省由勉强协调模式退化为失调模式，辽宁则保持不变。中部除山西保持不变外，黑龙江和吉林2省份由勉强协调模式退化为失调模式，其余5省份则由2009年的初级协调模式全部退化为勉强协调模式。东部地区除北京和辽宁保持不变，河北和天津由勉强协调模式跃迁到初级协调模式外，其余7省份由2009年的初级协调模式分别退化到勉强协调和濒临失调模式，各省份耦合协调度均值较2009年下降了8.08%。究其原因在于：2010—2015年我国绝大部分省域城镇化高速发展，农业弱质化指数快速提高；但此阶段各地农地适度规模经营发展都比较缓慢，限制了其农业机械化水平的快速提高，因而各省份耦合协调度整体退化严重。
④2023年中国各省份耦合协调度均较2015年有明显提高，良好协调类型区主要集聚在黄淮海平原和西南山区。比较图5d和图5c可知，2023年中国31个省份农业劳动力弱质化与农业机械化的耦合协调模式均出现了明显跃迁，部分省份还实现了跨等级的跃迁。2015—2023年，西部的新疆、西藏、青海由濒临失调模式跃迁为中级协调模式，黑龙江、吉林和云南由轻度失调模式跃迁至中级协调模式，甘肃、陕西和江苏由濒临失调模式跃迁至良好协调模式等。究其原因在于：自2014年国家实施新型城镇化战略和国务院颁布《关于引导农村土地经营权有序流转发展农业适度规模经营的意见》以来，我国农业劳动力弱质化程度加深，各地不同形式的土地适度规模经营快速推进，农业机械服务组织蓬勃发展，农业机械化水平大幅提升[2,7]，因而两者之间的耦合协调度大幅提高。2023年属于良好耦合协调类型的省份有11个，除甘肃、陕西和湖南3省份外，其余属于良好耦合协调类型的省份主要集聚在黄淮海平原的山东、河南、江苏和安徽以及西南的四川、重庆、贵州和广西8省份，但黄淮海平原4省份农业劳动力弱质化指数均值为0.659，农业机械化指数为0.860；而西南4省份以及甘肃、陕西和湖南3省份均属山地丘陵区，农业劳动力弱质化指数均值为0.567，农业机械化指数为0.428。可以看出，黄淮海平原属于农业劳动力弱质化和农业机械化均较高的高水平耦合协调类型，而这7个山地丘陵区省份则属于两者都较低的低水平耦合协调类型。

4 农业劳动力弱质化与农业机械化耦合的粮食产出效应

4.1 农业劳动力弱质化与农业机械化耦合的省域粮食产出效应

依据象限图分析法（图2），分第1（2003—2009年）、第2（2010—2015年）和第3（2016—2023年）3个阶段，绘制中国各省份农业劳动力弱质化与农业机械化耦合条件下的粮食生产演变图。同时，将各省份按Ⅰ、Ⅱ、Ⅲ和Ⅳ象限进行分类（表3），从中可以看出：
表3 2003—2023年农业劳动力弱质化与农业机械化耦合条件下中国省域粮食生产变化

Tab.3 Changes in provincial grain production in China under the coupling of agricultural labor weakening and agricultural mechanization from 2003 to 2023

阶段 第Ⅰ象限 第Ⅱ象限 第Ⅲ象限 第Ⅳ象限
第1阶段 辽宁、山东、上海、湖南、四川 北京、天津、海南、河北、江苏、黑龙江、吉林、河南、湖北、安徽、江西、内蒙古、重庆、贵州、云南、广西、陕西、甘肃、青海、宁夏、新疆 浙江、福建、广东、山西、西藏
第2阶段 天津、河北、内蒙古、辽宁、新疆 山东、江苏、黑龙江、吉林、山西、河南、湖北、湖南、安徽、江西、四川、贵州、云南、广西、西藏、陕西、甘肃、青海、宁夏 北京、上海、浙江、福建、广东、海南、重庆
第3阶段 天津、浙江、福建、广东、河北、辽宁、山东、江苏、河南、山西、内蒙古、四川、重庆、云南、西藏、陕西、甘肃、青海、宁夏 北京、上海、海南、黑龙江、吉林、湖北、湖南、安徽、江西、广西、贵州、新疆
①第1和第2阶段60%以上省份集聚在第Ⅱ象限，它们大多为东中西部和东北的粮食主产区以及西部生态脆弱的粮食产销平衡区。表3显示，第1和第2阶段分别有21个和19个省份位于第Ⅱ象限，表明在这两个阶段我国大部分省份在农业劳动力弱质化与农业机械化耦合协调度下降的条件下实现了粮食增产。进一步分析可知，第1和第2阶段，上述粮食主产区粮食作物播种面积分别增加了21.31%和9.66%，西部粮食产销平衡区则分别增加了1.27%和3.18%。具体而言，粮食主产区播种面积的大幅增加使得我国70%以上的粮食产能高度集聚于粮食主产区，导致我国粮食供求区域矛盾日益突出，主产区农业生态环境质量日益恶化[31]；而西部生态脆弱区粮食播种面积扩大则使得全国粮食生产重心不断北进西移，严重威胁其生态安全[32]。可见，在第1和第2阶段，我国粮食产能很大一部分是通过扩大粮食作物播种面积、牺牲生态环境质量的外延式扩张模式获得的。因此，加快推进农业技术进步，以农业机械化弥补农业劳动力弱质化导致的粮食生产效率损失，乃是实现粮食可持续稳定增产的根本。除第Ⅱ象限的省份外，其余省份都位于第Ⅰ和第Ⅲ象限，表明在其他条件相对稳定的情况下，农业劳动力弱质化和农业机械化耦合协调度与粮食产量呈现出明显的正相关关系。
②第3阶段有19个省份位于第Ⅰ象限，12个省份位于第Ⅳ象限，其中位于第Ⅳ象限的一半省份是粮食主产区。这一阶段我国粮食供求基本平衡但结构性矛盾突出，因而国家开始大力推进农业供给侧改革，稳面积、稳产量成为这一阶段粮食生产的重点。结合图5c和图5d可知，第Ⅰ象限的19个省份的农业劳动力弱质化和农业机械化耦合协调度都有明显提升，这使得东部的4个粮食主销区和3个主产区、中部1个主产区和1个主销区、西部的2个主产区和7个产销平衡区以及东北1个主产区都实现了粮食增产。从第Ⅳ象限的12个省份来看，有7个为我国水稻生产的核心区（西部的广西，中部的湖北、湖南、安徽、江西和东北的黑龙江、吉林），期间上述7省份水稻产量占全国水稻总产量的比重为60%。在稻谷供给相对过剩和优化粮食种植结构的背景下，我国早籼稻、中晚籼稻和晚粳稻的收购价格持续低迷（由2016年的2.66、2.76和3.10元/kg分别下降到2023年的2.52、2.58和2.62元/kg）。受此影响，尽管上述7省份农业劳动力弱质化和农业机械化耦合强度明显提升，其粮食产量出现了下降。比较而言，东部的北京、上海和海南的粮食播种面积和粮食产量减少主要源于耕地非粮化，而西部的贵州和新疆则受制于生态环境约束。

4.2 农业劳动力弱质化与农业机械化耦合对中国粮食生产的空间计量分析

通过计算，本文得到2003—2023年农业劳动力弱质化与农业机械化耦合协调度的全局莫兰指数均大于0，均值为0.389，且在1%的水平下显著，证实该耦合协调度在空间上存在显著的正自相关（聚集性）[28]，因此，应选取空间计量模型进行分析。通过LM检验，发现Spatial error检验和Spatial lag检验的值分别为333.871、60.464和279.284、5.876，均在1%的水平下显著，拒绝了无空间误差项和无空间滞后项的原假设。本文通过LR检验来判别SDM模型是否能退化为SLM与SEM模型，结果显示LR检验值为59.22和66.49，均在1%的水平下显著，同时拒绝了SDM可以退化为SLM或SEM模型的原假设。Hausman检验统计量为75.04，在1%的显著水平上，拒绝随机效应的原假设。因此本研究最终选取固定效应空间杜宾（SDM）模型来分析农业劳动力弱质化与机械化耦合协调度及其他各因素对粮食生产的影响。
前文分析表明，2009和2015年都是农业劳动力弱质化和农业机械化耦合变化的重要节点，因此采用固定效应的SDM模型分析两者耦合协调度以及其他各因素对粮食生产的空间溢出效应，并对2003—2009、2010—2015和2016—2023年3个时段进行分段样本回归，结果如表4所示。从中可以看出：
表4 空间杜宾回归结果

Tab.4 Results of spatial Dubin regression

变量 SDM模型估计结果 分时段空间溢出效应
本地效应 空间溢出效应 2003—2009 2010—2015 2016—2023
lnD 0.349***（0.173） 0.126***（0.326） 0.169**（0.017） 0.078*（0.055） -0.038*（-1.656）
lnAREA 1.318***（0.002） -0.469**（-0.019） -0.924***（0.000） 0.771***（0.000） 0.545***（0.000）
lnEIA 0.543***（0.001） 0.173***（0.001） 0.007（0.881） 0.128***（0.002） 0.003（0.963）
lnFER 0.798***（0.002） 0.729***（0.000） 0.193***（0.002） 0.087（0.320） 0.698***（0.000）
lnPES -0.005（0.958） -0.311（-0.000） -0.054*（0.083） 0.089**（0.034） -0.453***（0.000）
lnAPF -0.216（0.216） -0.129（-0.062） 0.079***（0.000） 0.078***（0.001） 0.105（0.412）
Rho 0.444***（0.696） 0.190***（0.001） 0.346***（0.000） -0.656***（0.000）
Sigma2_e 0.378***（0.279） 0.002***（0.000） 0.002***（0.000） 0.545***（0.000）

注：***、**和*分别表示在1%、5%和10%的显著性水平下显著，括号内数值为t检验值。

①SDM模型的空间相关性系数（Rho）为0.444，通过1%的显著性检验，而在2003—2009、2010—2015和2016—2023年3个时段的Rho均通过1%的显著性检验，表明在2003—2023年我国粮食生产存在明显的集聚态势和空间溢出效应，各地区在促进自身粮食生产的同时，还会吸纳周边地区粮食生产要素来促进自身更快发展，产生跨地区的集聚效应。
②研究期间农业劳动力弱质化和农业机械化耦合协调度（D）的空间溢出效应显著为正，表明相邻地区两者耦合协调度的提升有利于促进本地粮食生产。分时段来看，在2003—2009和2010—2015年农业劳动力弱质化和农业机械化耦合协调度空间溢出效应显著为正，而2016—2023年则显著为负。可能原因是，前2个阶段我国农业劳动力仍存在过剩，相邻地区农业劳动力弱质化和农业机械化耦合协调度提高的空间溢出效应使得本地农机服务通过溢出效应得到提高，农业劳动力转移增多[23]，因而对本地粮食生产产生明显促进作用。例如，在劳动力过剩更为明显的2003—2009年，两者耦合协调度空间溢出效应对粮食生产的促进系数为0.169，明显高于2010—2015年的0.078。但在2016—2023年，我国农业劳动力转移已跨过刘易斯拐点，优质劳动力已成为制约粮食生产的最关键因素。该时期，虽然农业机械动力能够替代农业劳动力数量，但农业劳动力的持续弱质化不利于农业机械技术的提升，难以实现对农业劳动力质量损失的替代，因而对本地粮食生产产生了负面影响。
③从研究期内各控制变量的整体情况来看，粮食作物播种面积（AREA）空间溢出效应显著为负，究其原因在于，土地是粮食生产的根本，扩大本地粮食播种面积乃是促进其粮食增产的最直接手段。但是，由于粮食生产比较收益远低于非农产业，因此在工业化和城镇化进程中，相邻地区粮食作物播种面积的扩大可能导致本地将粮食生产任务转嫁给相邻地区，进而导致本地粮食作物播种面积缩小和粮食产量降低。有效灌溉面积（EIA）和化肥施用量（FER）的空间溢出效应显著为正，表明在粮食安全党政同责的制度下，相邻地区有效灌溉面积的增加可能会促使本地政府更加重视农业灌溉基础设施建设，进而有利于提升本地灌溉水平，显著地增加本地粮食产量。同时，相邻地区通过增施化肥来促进粮食生产会影响本地政府和农户做出进一步增施化肥的决策，进而对本地粮食生产产生正向影响。然而，我国粮食生产的化肥施用强度已大大高于生态县建设规定的250 kg/hm2的上限以及国际公认的225 kg/hm2的化肥安全施用上限，因而减肥增效乃是当前迫切的任务[33]。农药施用量（PES）空间溢出效应不显著的负向影响，表明其他地区过量的农药会导致本地区的水土资源环境受到不显著的负面影响，进而对粮食生产产生不明显的抑制作用。农膜使用量（APF）的空间溢出效应也不显著的负向影响，表明在技术扩散效应的影响下，相邻地区农膜使用量的增加会使本地农膜使用量也增加，在农膜回收和降解技术不高的条件下，容易产生农膜白色污染，因而对本地粮食生产具有不明显的负向作用。

5 结论和建议

5.1 主要结论

本文通过构建农业劳动力弱质化和农业机械化综合指标体系，探讨中国省域农业劳动力弱质化和农业机械化两者之间是否能够实现良性耦合，并分析了农业劳动力弱质化和农业机械化的耦合协调度以及其他因素对粮食生产的影响，主要结论如下：
①研究期内，中国农业劳动力弱质化指数大致可以分为2003—2009年波动下降和2010—2023年稳步增长2个阶段，而农业机械化则始终呈现线性增长趋势，因而两者之间的耦合协调度也呈现出2003—2009年的缓慢下降和2010—2023年的稳步提升2个阶段。
②从中国省域农业劳动力弱质化与农业机械化耦合协调发展来看，2003年农业劳动力弱质化与农业机械化耦合协调度呈现由西向东递减的空间变化特征，2009年进一步演变为由西向东、由南向北递减的双重空间变化特征，2015年23个省份两者之间的耦合协调模式都较2009年下降了8.08%，而到2023年全国所有省份农业劳动力弱质化和农业机械化的耦合协调关系由于新型城镇化和土地适度规模经营推进得到了大幅提升。
③2003—2009和2010—2015年2个阶段60%以上省份集聚于第Ⅱ象限，这些省份在农业劳动力弱质化与农业机械化耦合协调度下降的情况下实现了粮食增产，表明大部分地区粮食增产都是依靠扩大粮食作物播种面积和牺牲生态环境质量的外延式扩张模式获得的。2016—2023年农业劳动力弱质化和农业机械化耦合协调度的提升使得广大东部和西部地区粮食产量明显增加，而中部水稻核心产区则由于农业供给侧改革和水稻收购价格降低减产。
④空间计量分析结果表明，农业劳动力弱质化和农业机械化耦合协调度在2003—2009和2010—2015年的空间溢出效应显著为正，表明相邻地区农业劳动力弱质化和农业机械化耦合协调度的提升有利于促进本地粮食生产，但在2016—2023年空间溢出效应显著为负，表明在优质农业劳动力短缺的情况下，农业劳动力弱质化的进一步加深不利于农业机械技术的发展，最终抑制粮食生产。

5.2 政策建议

①因地制宜地创新农业机械服务模式，分区推进农业机械化。本文分析表明，当农业机械化水平未能与农业弱质化同步时，粮食生产将受制约。为此，需要创新不同区域的农业机械化服务模式，因地制宜地快速推进各地农业机械化。对东部地区而言，其人多地少矛盾最为突出，粮食生产规模小，但农业组织化程度高，应充分发挥农业机械服务组织或农业合作社的作用，大力发展土地托管、代耕代种、联户经营等多种形式的土地适度规模经营，加速机械化升级。中部和东北地区是我国粮食主产区，在新型城镇化进程中进城农户耕地粗放利用现象普遍，但种粮大户和家庭农场数量较多，因此要进一步规范农村土地流转市场，引导耕地向种粮大户和家庭农场主集中，并发挥其服务周边农户的辐射带动作用，加速提升农业机械化。西部山区丘陵广布且生态环境脆弱，农业组织化水平低，应加强农田机耕道路等各项基础建设，加快研发和推广适应山区丘陵的中小型农业机械设备，大力发展农业机械化服务组织，为快速推进农业生产机械化发展夯实基础；同时在保障粮食产能稳定的前提下，逐步退出生态脆弱边际耕地耕作。
②面向中部、东北和东部地区培育新型职业农民和农业经理人，提高西部地区农户文化素质。本文分析表明，农业劳动力日益成为粮食生产关键限制因子，粮食主产区的农业劳动力弱质化问题表现最为突出。为此，要以中部和东北粮食主产区的产粮大县为核心，将一批种粮大户和家庭农场主培育成新型职业农民，使其平均收入能够达到城镇务工人员的基本收入水平，推动农民这个称谓由身份向职业转变，平等地参与现代化进程、共同分享现代化成果，以使得更多优质农业劳动力愿意并且能够留在农村从事粮食生产。例如，东部地区农村集体经济实力强，农民非农收入占比高，应在农民自愿的前提下，有序推进农地承包经营权有偿退出，策应各种农业合作社、农业企业等组织的发展需求，加快培育一支有文化、懂技术、善经营、会管理的农业经理人，推进粮食生产的企业化运营。西部地区城镇化和农民文化水平相对最低，应加快推进新型城镇化，扶持一批种粮大户、家庭农场、农业合作社、农业龙头企业等新型经营主体，充分发挥其对小农户的辐射带动作用，逐步提高农户的文化和生产技术水平，增强其生态环境保护意识，为加快推进农业机械化和山区边际土地退耕提供支撑。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
成升魁, 李云云, 刘晓洁, 等. 关于新时代我国粮食安全观的思考[J]. 自然资源学报, 2018, 33(6):911-926.

DOI

[2]
姚成胜, 肖雅雯, 杨一单. 农业劳动力转移与农业机械化对中国粮食生产的关联影响分析[J]. 农业现代化研究, 2022, 43(2):306-317.

[3]
蔡昉. 农业劳动力转移潜力耗尽了吗?[J]. 中国农村经济, 2018, 34(9):2-13.

[4]
程名望, 黄甜甜, 刘雅娟. 农村劳动力外流对粮食生产的影响:来自中国的证据[J]. 中国农村观察, 2015(6):15-21,46,94.

[5]
王跃梅, 姚先国, 周明海. 农村劳动力外流、区域差异与粮食生产[J]. 管理世界, 2013(11):67-76.

[6]
黄季焜, 靳少泽. 未来谁来种地:基于我国农户劳动力就业代际差异视角[J]. 农业技术经济, 2015(1):4-10.

[7]
王欣. 农村劳动力结构变化对粮食生产技术效率的影响研究[D]. 杭州: 浙江财经大学, 2020.

[8]
秦聪, 郭婧. 谁在种地?——农村居民生产经营选择的影响因素分析[J]. 中国软科学, 2021(4):129-136.

[9]
Zhao Y. Causes and consequences of return migration:Recent evidence from China[J]. Journal of Comparative Economics, 2002, 30(2):376-394.

DOI

[10]
De Brauw A, Rozelle S. Migration and household investment in rural China[J]. China Economic Review, 2008, 19(2):320-335.

DOI

[11]
王欧, 唐轲, 郑华懋. 农业机械对劳动力替代强度和粮食产出的影响[J]. 中国农村经济, 2016(12):46-59.

[12]
蔡键, 唐忠. 华北平原农业机械化发展及其服务市场形成[J]. 改革, 2016(10):65-72.

[13]
姜磊, 柏玲, 吴玉鸣. 中国省域经济、资源与环境协调分析——兼论三系统耦合公式及其扩展形式[J]. 自然资源学报, 2017, 32(5):788-799.

[14]
郑旭媛, 徐志刚. 资源禀赋约束、要素替代与诱致性技术变迁——以中国粮食生产的机械化为例[J]. 经济学(季刊), 2017, 16(1):45-66.

[15]
朱勤, 刘玥, 杨晶晶. 数字化转型促进区域贸易竞争力提升的空间效应[J]. 经济地理, 2023, 43(12):126-134.

DOI

[16]
杨一单, 姚成胜, 刘伟芳. 中国粮食安全系统转型的时空特征及驱动因素[J]. 地理学报, 2024, 79(9):2372-2388.

DOI

[17]
陆岐楠, 张崇尚, 仇焕广. 农业劳动力老龄化、非农劳动力兼业化对农业生产环节外包的影响[J]. 农业经济问题, 2017, 38(10):27-34.

[18]
文华成. 中国农业劳动力女性化:程度、成因与影响——基于历史宏观截面数据的验证[J]. 人口学刊, 2014, 36(4):64-73.

[19]
黄灿. 农村劳动力选择性转移对我国二元经济发展的影响[D]. 武汉: 武汉大学, 2010.

[20]
王国刚, 刘彦随, 刘玉. 城镇化进程中农村劳动力转移响应机理与调控——以东部沿海地区为例[J]. 自然资源学报, 2013, 28(1):1-9.

DOI

[21]
邓蒙芝. 粮食核心产区农业劳动力弱质化特征调查研究[J]. 经济纵横, 2017(5):85-91.

[22]
马玉婷, 高强. 粮食安全视角下农业机械化对农业种植结构的影响研究[J]. 现代经济探讨, 2023(10):98-111.

[23]
方师乐, 卫龙宝, 伍骏骞. 农业机械化的空间溢出效应及其分布规律——农机跨区服务的视角[J]. 管理世界, 2017(11):65-78,187-188.

[24]
伍骏骞, 方师乐, 李谷成, 等. 中国农业机械化发展水平对粮食产量的空间溢出效应分析——基于跨区作业的视角[J]. 中国农村经济, 2017(6):44-57.

[25]
姚成胜, 何永波, 曹紫怡. 中国主粮生产机械化水平的时空演变及其驱动机制[J]. 中国农业大学学报 2021, 26(5):208-220.

[26]
廖重斌. 环境与经济协调发展的定量评判及其分类体系——以珠江三角洲城市群为例[J]. 热带地理, 1999(2):76-82.

[27]
马丽君, 刘聪, 唐盈. 省域旅游业高质量发展促进共同富裕的空间效应分析[J]. 经济地理, 2024, 44(4):210-219.

DOI

[28]
卢新海, 柯楠, 匡兵. 中国粮食生产能力的区域差异和影响因素[J]. 中国土地科学, 2020, 34(8):53-62.

[29]
李昊儒, 毛丽丽, 梅旭荣, 等. 近30年来我国粮食产量波动影响因素分析[J]. 中国农业资源与区划, 2018, 39(10):1-10,16.

[30]
赵雪雁, 刘江华, 王蓉, 等. 基于市域尺度的中国化肥施用与粮食产量的时空耦合关系[J]. 自然资源学报, 2019, 34(7):1471-1482.

DOI

[31]
辛翔飞, 刘锐, 王济民. 破除自给率越高粮食越安全的迷误[J]. 农业经济问题, 2020(10):19-31.

[32]
Wang J, Zhang Z, Liu Y. Spatial shifts in grain production increases in China and implications for food security[J]. Land Use Policy, 2018, 74(5):204-213.

DOI

[33]
刘钦普, 濮励杰. 中国粮食主产区化肥施用时空特征及生态经济合理性分析[J]. 农业工程学报, 2019, 35 (23):142-150.

Options
Outlines

/

〈 〉